首页 文章

缺少 Value - 有马模型

提问于
浏览 次
2

我有关于产品销售的每日时间序列，我的系列从2016年1月1日至2017年8月31日开始 .

考虑到它是一个为期六天的星期（我的星期一星期一开始，星期六结束）星期日没有数据，我知道在运行Arima模型之前我需要先填写缺失值 . 这是我需要帮助的地方：我已经读过我可以用 na.approx 或 NA 填充缺失值，但我不知道该怎么做 .

你可以在这里看到我的系列：

https://drive.google.com/file/d/0BzIf8XvzKOGWSm1ucUdYUVhfVGs/view?usp=sharing

如您所见，周日没有数据 . 我需要知道如何填充缺失值以运行Arima模型并能够预测2017年的剩余时间 .

r time-series missing-data zoo arima

1 回答

  • 5

    这有三种方法：

    library(lubridate)
library(xts)
library(dplyr)
library(forecast)

df$Date = mdy(df$Date)

    Removing Sundays:

    ts_no_sunday = df %>%
  filter(wday(df$Date) != 1) %>%
  {xts(.$Units, .$Date)}

plot(ts_no_sunday)

no_sunday_arima = auto.arima(ts_no_sunday)

plot(forecast(no_sunday_arima, h = 10))

    enter image description here

    enter image description here

    Replace Sundays with NAs:

    ts_sunday = df %>%
  mutate(Units = replace(Units, which(wday(df$Date) == 1), NA)) %>%
  {xts(.$Units, .$Date)}

plot(ts_sunday)

sunday_arima = auto.arima(ts_sunday)

plot(forecast(sunday_arima, h = 10))

    enter image description here

    enter image description here

    Interpolate Sundays:

    ts_interp = df %>%
  mutate(Units = replace(Units, which(wday(df$Date) == 1), NA),
         Units = na.approx(Units)) %>%
  {xts(.$Units, .$Date)}

plot(ts_interp)

interp_arima = auto.arima(ts_interp)

plot(forecast(interp_arima, h = 10))

    enter image description here

    enter image description here

    Notes:

    可以看出，他们产生了不同的预测 . 这是因为第一个时间序列是不规则的，第二个是具有缺失值的常规时间序列，第三个是具有内插数据的常规时间序列 . 在我看来，处理缺失值的更好方法是在拟合ARIMA之前进行插值，因为ARIMA假定时间序列是规则间隔的 . 但是，这也取决于您的“缺失”数据点是否实际丢失，而不是停止活动 . 前者应该用插值处理，而对于后者你可能最好去除星期日并将时间序列视为星期日不存在 .

    请参阅How to handle nonexistent or missing data?上的此讨论，并在Using the R forecast package with missing values and/or irregular time series上查看

    回复于

相关问题